理解 LSTM 中的输入和输出形状 | tf.keras.layers.LSTM（以及对于return_sequences的解释）

• 即使我们从理论上理解 LSTM，在将数据拟合到网络时，我们中的许多人仍然对其输入和输出形状感到困惑。 本指南将帮助您了解 LSTM 的输入和输出形状。

让我们首先了解 LSTM Keras 中的 Input 及其形状。 LSTM 的输入数据如下图所示。

您始终必须提供一个三维数组作为 LSTM 网络的输入。 其中第一个维度表示batch_size，第二个维度表示time_steps，第三个维度表示一个输入序列中的单元数units。 例如，输入形状看起来像 (batch_size, time_steps, units)。 让我们看一个 Keras 中的例子。

让我们看看 input_shape 参数。 虽然看起来输入是一个 2D 数组，但我们实际上必须传递一个形状为 (batch_size, 2, 10) 的 3D 数组。 表示时间步长的值为 2，输入单位为 10，您可以在将数据拟合到网络时灵活地提供任何批量大小。

您还可以提供一个名为 batch_input_shape 的参数而不是 input_sh